数据挖掘考试题.pdfVIP

数据挖掘考试题 一． 选择题 1. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数 据相分离？ ( ) A. 分类 B. 聚类 C. 关联分析 D. 主成分分析 2. ( ) 将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚 类技术。 A.MIN( 单链 ) B.MAX( 全链 ) C. 组平均 D.Ward 方法 3. 数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了 ( ) 数据挖掘方法。 A 分类 B 预测 C 关联规则分析 D 聚类 4. 关于 K 均值和 DBSCAN的比较，以下说法不正确的是 ( ) A.K 均值丢弃被它识别为噪声的对象，而 DBSCAN一般聚类所有对象。 B.K 均值使用簇的基于原型的概念， DBSCAN使用基于密度的概念。 C.K 均值很难处理非球形的簇和不同大小的簇， DBSCAN可以处理不同大小和不同形状的簇 D.K 均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是 DBSCAN会合并有重 叠的簇 5. 下列关于 Ward’s Method 说法错误的是： ( ) A. 对噪声点和离群点敏感度比较小 B.擅长处理球状的簇 C.对于 Ward 方法，两个簇的邻近度定义为两个簇合并时导致的平方误差 D.当两个点之间的邻近度取它们之间距离的平方时， Ward 方法与组平均非常相似 6. 下列关于层次聚类存在的问题说法正确的是： ( ) A. 具有全局优化目标函数 B.Group Average 擅长处理球状的簇 C.可以处理不同大小簇的能力 D.Max 对噪声点和离群点很敏感 7. 下列关于凝聚层次聚类的说法中，说法错误的事： ( ) A. 一旦两个簇合并，该操作就不能撤销 B. 算法的终止条件是仅剩下一个簇 ... C.空间复杂度为 O m2 D.具有全局优化目标函数 8. 规则 { 牛奶，尿布 } →{ 啤酒 } 的支持度和置信度分别为： ( ) TID 项 集 1 { 面包，牛奶 } 2 { 面包，尿布，啤酒，鸡蛋 } 3 { 牛奶，尿布，啤酒，可乐 } 4 { 面包，牛奶，尿布，啤酒 } 5 { 面包，牛奶，尿布，可乐 } A.0.4,0.4 B.0.67,0.67 C.0.4,0.67 D.0.67,0.4 9. 下列 ( ) 是属于分裂层次聚类的方法。 A.Min B.Max C.Group Average D.MST 10. 对下图数据进行凝聚聚类操作， 簇间相似度使用 MAX计算，第二步是哪两个簇合并： ( ) A. 在 {3} 和 {l,2} 合并 B.{3} 和 {4,5} 合并 C.{2,3} 和 {4,5} 合并 D. {2,3} 和{4,5} 形成簇和 {3} 合并 二．填空题： 1. 属性包括的四种类型： 、 、 、 。 2. 是两个簇的邻近度定义为不同簇的所有点对邻近度的平均值。 3. 基本凝聚层次聚类算法空间复杂度 ，时间复杂度 ，如果某个簇到其他所 有簇的距离存放在一个有序表或堆中，层次聚类所需要的时间复杂度将为 。 4